一种基于深度强化学习的无人机强鲁棒姿态控制方法

摘要

本发明公开了一种基于深度强化学习的无人机强鲁棒姿态控制方法，提出利用贝叶斯概率模型更好地模拟真实飞行环境中的干扰与不确定性，将拟合的飞行器动力学模型作为基于DDPG算法的强化学习框架的输入，并通过与飞行器数字模型随机抽取以及飞行器真实飞行数据采集的多样的飞行数据交互更新神行网络参数；输出为飞行器舵机构，包括方向舵、升降舵以及副翼。本发明的贝叶斯神经网络能够提高飞行器模型的精确度，使之更加逼近真实飞行环境；并基于神经网络的控制系统能够利用泛化能力提高在飞行器在各种干扰环境下的控制效果；而且离线训练完成的控制器能够快速移植到各种机载平台，具有很高的实用价值。